OpenAI 发布 GPT-6.1 Terra,便宜又快,哪些任务适合它?

OpenAI 刚推出 GPT-6.1 Terra 。它的标准 API 价格是上一代 Terra 的一半，电脑操作的测试成绩也提高了不少。 API 是让程序调用模型的接口，费用和个人订阅分开计算。

每天用 AI 干活的人，大概都会想试试它。整理资料、改一个小问题、在软件里跑一遍流程，这些事情经常做，如果新模型完成得足够好，又能少花钱、少等一会儿，那就很实用了。

OpenAI 开发者社区发布公告截图

我把 OpenAI 的发布资料和几份独立测试放在一起看了看。有一组会计测试让我印象很深。 Terra 的 13 项交易分类任务全部通过，应付账款任务则只通过了 13 项中的 7 项。每项任务都运行了三次，至少通过两次才计入成绩。

它值得试，但得挑任务。先看 OpenAI 这次想让它做什么。

让 AI 看懂屏幕，再动手干活

OpenAI 在 10 月 26 日发布的介绍里，把视觉理解、电脑操作和写作放在了显眼的位置。

想象一个工作场景。你给 AI 一张商品图片，让它在目录里找到对应的商品，再进入应用整理信息。它得先认出图片里的东西，再看懂界面，找到该点的地方。每一步都对了，最后的整理才有机会做好。

OpenAI 在 Agents’ Last Exam 中测了更复杂的任务，比如根据建筑图纸制作 3D 模型，或逐镜头检查动画影片，给修复团队整理带时间标记的记录。这项测试考察 AI 使用电脑软件完成专业任务的能力。

在中等推理强度下， GPT-6.1 Terra 比 GPT-5.6 Terra 高出 15 个百分点，每项任务的成本约为后者的三分之一。

OpenAI 还表示，在这组测试里， Terra 的成绩接近 GPT-6 Astra ，完成任务的平均速度比 Astra 和 GPT-6.1 Sol 快三倍以上。

OpenAI 开发者社区公告，介绍 Agents’ Last Exam 的成绩与速度

Terra 在这组电脑操作任务里的表现很有吸引力，至于它能不能做好你手上的工作，还得拿具体任务试。

代码能力进步了多少

OpenAI 还公布了一组编程测试成绩。 Terminal-Bench 4.0 考察 AI 通过命令行解决编程问题的能力。在最高推理档位下， GPT-6.1 Terra 完成了 50.3% 的任务， GPT-5.6 Terra 的公开成绩是 21.5%。

进步确实不小。如果你有一个范围清楚的错误，比如页面加载时布局乱跳，可以让 Terra 先找原因、改代码，再跑相关检查。

遇到整个项目的架构问题，或者需要长时间跨文件推进的复杂任务， OpenAI 仍建议用 GPT-6.1 Sol 或 GPT-6 Astra 。我的想法也差不多。小问题先让 Terra 试，发现它反复绕圈，再换更强的模型。

还有一个数字，读测试榜单时容易碰到。 Artificial Analysis 用自己的环境跑 Terminal-Bench 4.0 ，给 Terra 的成绩约为 56%； OpenAI 公布的是 50.3%。

两个模型做同一套题，差了多少钱

第三方平台 MultiAI 在 10 月 27 日让 Terra 和 Claude Sonnet 5.5 做了 13 项任务。有账单计算、程序错误修复、会议记录整理，也有一个小型表格程序。

其中 8 项属于日常任务，另外 5 项更难。每项任务在中等和最高推理档位下分别运行 3 次，再用脚本检查答案。 MultiAI 通过 OpenAI API 运行 Terra ，通过 Claude Code 运行 Sonnet 。

在中等档位，两者的 8 项日常任务都答对了，算上重复运行，各是 24 次全对。较难的 5 项任务各跑了 3 次， Terra 15 次全对， Sonnet 答对 14 次。 Sonnet 出错的那次，表格程序重复声明了一个辅助函数，代码没能运行。

MultiAI 逐题结果，中等档位下每项显示通过次数和平均 token 用量

MultiAI 还按标价算了费用。同样用中等档位， 1000 次日常任务回答， Terra 约花 1.63 美元， Sonnet 约花 5.35 美元。两者单价不同，而且在这组任务里， Terra 通常消耗的文本量更少。

MultiAI 的中等档位测试，两列分别是 Terra 和 Sonnet

这套题规模不大，主要考察有明确答案的短任务。它能让我们看到 Terra 在这些题上的表现。至于长时间处理一个复杂项目，或写出一篇合口味的文章，还需要用别的方法比较。

Artificial Analysis 也测了 Terra 。它把多项测试合并成一个综合指数， Terra 在最高推理档位得到 48 分。按综合指数的权重计算，每项测试任务的加权平均费用为 0.40 美元。它测得的输出速度约为每秒 91 个 token 。

屏幕上的字出得快，不一定意味着整个任务也快。 AI 还可能花时间思考、调用工具，或者等待软件响应。

Artificial Analysis 测评页面，显示最高推理档位的指数和输出速度

会计测试给了一个提醒

DualEntry 的会计测试有 101 项模拟任务，覆盖交易分类、记账、对账、应收应付和月结等 8 个领域。每项任务运行三次，其中至少两次通过，才算该项通过。

Terra 的任务通过率是 78.2%，在当时的 22 个模型中并列第 18 。拆开看，差别更大。交易分类 13 项全部通过，银行对账 12 项通过 10 项。应付账款 13 项通过 7 项，应收账款和月结都是 12 项通过 7 项。

DualEntry 会计测试的总体成绩，页面文字列出了总分与模型排名

如果要求三次都通过， Terra 的任务通过比例是 65.3%。同样的工作每个月都要做，能不能反复做对就很重要。

DualEntry 列出的薄弱任务和分项成绩，图中也列出单任务费用

Terra 在这套测试里确实快，也便宜。它平均每项任务用时 16.1 秒，费用约 0.042 美元； GPT-6.1 Sol 分别是 27.2 秒和 0.09 美元左右。

整理交易类别，可以考虑先让 Terra 做，人再抽查。涉及付款、对账或月结，先拿自己的数据测试，结果仍要由人复核。模型省下的费用，可能抵不过一笔错误的代价。

想试的话，从哪里开始

OpenAI 表示， Plus 、 Pro 、 Enterprise 和 Edu 用户已经可以在 ChatGPT Work 和 Codex 中使用 GPT-6.1 Terra 。开发者可以通过 API 调用，模型名称是 gpt-6.1-terra。

如果你用 Codex ，可以在模型选择菜单里查看是否有 GPT-6.1 Terra ，选好后再找一个容易验收的小任务。可用模型会因账户和工作区设置而不同。比如页面有一处显示错误，就把现象和相关文件告诉它，说明改完应该是什么样，再让它检查页面或运行相关测试。最后亲自看一眼结果，留意它有没有交代没做完的部分。

直接调用 API 的话，标准文本价格是每百万 token 输入 1 美元、缓存输入 0.05 美元、输出 5 美元。缓存输入是符合条件的重复内容，价格更低。单次输入超过 272K token 后，整次请求的输入和缓存价格变为标准价的 2 倍，输出价格变为 1.5 倍。 API 的 Fast mode 按标准价格的 2 倍计费。

OpenAI 模型文档中的标准文本价格，单位为每百万 token ；图中的缓存写入价格对应 30 分钟保留期

订阅用户关心的通常是额度。 OpenAI 说，同样的 ChatGPT Work 和 Codex 额度，使用 Terra 可以完成更多任务。具体能用多少，取决于账户、任务和当时的额度规则，不能直接拿 API 的美元价格计算。

我会先拿自己经常做的小任务试它，看看交给它之后，检查和返工要花多少时间。如果一个问题反复改不对，再换 Sol 或 Astra ，也不迟。

参考链接

[1] OpenAI 发布介绍: https://openai.com/index/introducing-gpt-6-1-terra/

[2] OpenAI 开发者社区发布公告: https://community.openai.com/t/gpt-6-1-terra-delivering-fast-and-capable-computer-use-at-a-lower-price/1409900

[3] OpenAI 模型文档与价格: https://developers.openai.com/api/docs/models/gpt-6.1-terra

[4] OpenAI 对 Work 和 Codex 模型选择的说明: https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex

[5] Artificial Analysis 独立评测: https://artificialanalysis.ai/models/gpt-6-1-terra

[6] MultiAI 同题对照测试: https://multiai.co/blog/gpt-6-1-terra-vs-sonnet-5-5

[7] DualEntry 会计任务测试: https://www.dualentry.com/blog/gpt-6-1-terra-accounting-benchmark

[8] DualEntry 测试方法与评分规则: https://www.dualentry.com/benchmark